基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

改进的分数阶微分及图论的粘连血细胞图像分割

针对血细胞图像模糊及对比度不高的现象,提出一种改进的分数阶微分的图像预处理方法.即将形态学去噪和改进的类圆形掩膜算子的分数阶微分增强结合起来,在滤除血细胞图像的染色污染和颗粒噪声的同时较好地保留了细胞边缘细节.针对分水岭算法存在的过分割和最小生成树算法存在的效率较低问题,采用分水岭算法和最小生成树算法相结合的图像分割算法.首先用分水岭算法初分割分数阶微分增强的细胞图像,接着算法选取过分割区域映射为节点,最后基于改进的最小生成树算法再分割细胞图像.实验表明,该算法能有效缓解分水岭算法的过分割,并且有效减少了最小生成树算法中节点的数目,提高算法效率.     

基于可变阶次分数阶微分图像自适应增强算法研究

传统分数阶微分算子方法存在一些缺陷,比如对同一图像的不同区域增强的幅度没有选择性;在增强图像的同时也放大了噪声等。针对这些问题,提出了自适应分数阶微分算子图像增强方法,该方法可以根据图像的不同区域的信息和结构特征自动的调整分数阶微分的阶次,在增强图像边缘纹理细节和抑制噪声方面取得了较好的平衡点。实验证明该方法明显的优于其他的图像增强的方法。     

分数阶微分梯度算子在图像增强中的应用

利用分数阶微积分的定义,根据频率域的滤波基础,推导出分数阶微分梯度算子的频率域滤波器,并在实验中得以实现.实验结果表明,与其他的一些方法相比,这种滤波器对图像增强的效果更好.提出了使用分数阶微分和积分对图像进行综合处理的一种新方法,在增强图像细节的同时,能够有效地消除噪声.     

基于分数阶微分的图像质量评价

基于感觉容量的图像质量评价算法(SC)计算简单、性能良好。它的图像细节用拉普拉斯变换系数表示,但拉普拉斯变换对噪声敏感,而分数阶微分可以提升信号中高频成分,且对噪声不敏感。文中提出了一种基于分数阶微分(FDSC)的图像质量评价方法,该方法将分数阶微分取代SC模型中的拉普拉斯变换。实验结果表明,FDSC模型与LIVE图库上差异主观评价分(DMOS)的线性相关性优于PSNR、SC和结构相似度算法。     

改进的分数阶自适应PDE去噪算法

结合ROF模型和四阶PDE去噪模型提出一种改进的分数阶自适应PDE去噪算法.改进算法根据各个像素点的梯度信息自适应地选择分数阶PDE的阶数,根据尺度参数的特点,提出一种自适应的尺度参数迭代算法.数值实验表明,改进算法能够较好地提高峰值信噪比,保护边缘,有效抑制“阶梯效应”.     

分数阶微分掩模及其滤波器的构造

基于整数阶微分定义的一阶图像增强模板在处理图像时会产生宽边缘,而二阶模板会同时增强纹理和噪声.为了避免整数阶微分模板所产生的副作用,根据分数阶微积分的Riemann-Liouville定义分析和推导了数字图像的1～2阶分数阶微分掩模,构造了基于该定义的1～2阶分数阶微分滤波器.仿真实验表明,该滤波器不仅可以保留平滑区域...     

基于分数阶微分及谷底边界扫描的浮选气泡提取

针对浮选采集图像光照不均、分割难的问题,基于分数阶微分、谷底边界扫描及区域合并的思想提出了一种新的浮选气泡分割算法。该方法首先利用分数阶微分理论构建相应的掩模算子,再通过确定最优阶数,进而对浮选气泡图像的分数阶掩模增强,接着将谷底边界扫描与区域合并相结合对气泡进行分割。整个算法包括:图像预处理、分数阶微分增强、谷底边界扫描、端点检测及联结、区域合并等步骤,算法可以一次性检测出所有谷点,进而高效精准地提取气泡。与基于相似性与不连续性算法做了对比试验,试验结果表明:(1)新算法能较好的减少过分割现象,具有更好的分割精度;(2)其运行速度提高了50~100倍,满足实际生产中对实时性的要求。     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

一种基于分数阶Fourier变换的光斑图像抑噪方法

在激光光斑中心定位系统中,光斑图像噪声直接影响中心定位的精度。为了保证光斑重心的测量精度,抑制光斑图像噪声,针对信号和噪声有很强的时频静合特性,通过分数阶Fourier变换（FRFT）分析了含噪声激光光斑图像在分数阶Fourier域的幅度特征,在一维信号分数阶滤波系统参数估计的基础上,利用多阶段的滤波结构滤除激光光斑图像中的高斯噪声。仿真结果表明,该算法能较好地在强噪声背景下将光斑图像恢复出来,抑噪后的光斑基本能满足激光光斑中心定位系统的预处理要求。     

基于二维变分模态分解与自适应分数阶积分的图像去噪方法

针对噪声对图像分辨率的影响,提出了一种基于二维变分模态分解(2D-VMD)与分数阶积分的去噪算法。首先通过2D-VMD将图像信号分解为若干个不同中心频率的本征模态分量(IMF),筛选有效的低频IMF分量,根据图像信息差异设定阈值,进行分数阶积分自适应选取,对每个有效的分量图进行卷积运算,根据积分阶次用方向掩模去噪算子滤除噪声,最终完成图像去噪。实验结果表明,客观评价参数值均得到提高,该方法在滤除噪声的同时也能够较好的保持图像的轮廓或纹理等细节特征。     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

改进的基于邻域隶属度约束的FCM图像分割算法

传统模糊C均值(FCM： Fuzzy C-Means)聚类算法应用于图像分割时, 因对噪声较敏感而达不到理想的分割效果。为此, 提出了改进的基于邻域隶属度约束的FCM图像分割算法。该算法通过对FCM目标函数添加空间邻域信息约束隶属度函数, 提高对图像噪声的鲁棒性, 使分割的结果更加符合期望。实验结果表明, 该算法对噪声具有较强的抑制能力, 图像分割时能获得较好的分割效果。     

基于小波变换和偏微分方程的图像去噪方法

应用小波变换去除图像噪声时虽然能保持图像的细节信息,但是图像的边缘信息被平滑了.使用偏微分方程对图像去噪,并与使用小波变换去除图像噪声后效果进行比较,实验结果表明:使用偏微分方程对图像去噪在平滑噪声的同时可以使边缘得到保持.应用偏微分方程进行图像去噪是一种有效的工具.     

一种综合多种技术的SAR图像增强方法

综合传统的梯度算子、Lap lac ian二阶微分算子、平滑算子等各种方法,提出一种适用于合成孔径雷达(SAR)图像的图像增强方法.该方法既抑制SAR图像中的斑点噪声又保持图像的主要特征信息尤其是精细结构,取得了比较理想的结果.     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

基于统计模型和方向小波的图像认证水印算法

设计了一种基于统计模型和方向小波的图像认证水印算法.提出了用方向小波变换生成图像方向流的算法,应用图像的方向流来刻画图像特征.并应用高斯分布统计模型构造出了水印修改的噪声可见强度.通过噪声可见强度筛选出含纹理信息较多的图像分块隐藏图像方向流.用户利用提取出的隐藏方向流信息和用方向小波生成的方向流作相关性检测,实现对图像的认证.该算法有较强的抗JPEG和噪声攻击能力,保证了水印图像的视觉质量和鲁棒性,并实现了盲检测,隐蔽性和安全性好.     

多媒体资源库中图像去噪处理技术研究

针对多媒体资源库中图像斑点噪声产生的原因,本文提出一种新的斑点噪声抑制算法:将小波提升方案与Directionlet变换相结合,利用改进的小波软阈值算法对图像变换域进行局部去噪。仿真实验表明,该算法能够有效去除斑点噪声,较完整地保持图像中的边缘和理纹细节信息,取得了良好的视觉效果。     

边缘导向的非局部均值图像滤波

传统去噪方法在处理高强度噪声干扰图像时, 往往不能有效去除噪声且在修复过程容易引入二次污染。为此, 提出一种边缘图导向的非局部图像均值滤波算法。 首先获取二阶差分边缘信息, 在非局部范围内搜索相似块, 以边缘导向图与噪声图像共同生成滤波器权值, 进而构建由边缘信息导向的非局部协同滤波框架。 与传统滤波为代表的局部线性滤波方法相比, 所提出算法能挖掘图像边缘信息并利用一种新的非局部协同滤波框架进行图像去噪, 因此增强了高强度噪声干扰环境下的边缘修复能力。 实验证明, 提出算法在高强度噪声污染的情况下, 修复的图像不仅获得了更高的测量指标, 视觉效果也更加理想。